Software Development 1
Niveau
Masterstudium
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Teilnehmer:innen:
• können die grundlegenden Konzepte der Softwareentwicklung (z.B. Objekt-Orientierung, funktionale Programmierung usw.) die im Bereich der Data Science häufig angewandt werden, anwenden
• können die erarbeiteten Konzepte in häufig genutzten Softwareentwicklungsumgebung im Bereich der Datenanalyse (z.B. in Python) anwenden
• können die gängigen Werkzeuge, die im Bereich der Softwareentwicklung in Data Science zum Einsatz kommen, benennen
• können grundlegende Applikationen konzipieren, um grundlegende Funktionalitäten zu automatisieren
• können konzipierte Applikationen selbständig implementieren
• können die grundlegenden Konzepte der Softwareentwicklung (z.B. Objekt-Orientierung, funktionale Programmierung usw.) die im Bereich der Data Science häufig angewandt werden, anwenden
• können die erarbeiteten Konzepte in häufig genutzten Softwareentwicklungsumgebung im Bereich der Datenanalyse (z.B. in Python) anwenden
• können die gängigen Werkzeuge, die im Bereich der Softwareentwicklung in Data Science zum Einsatz kommen, benennen
• können grundlegende Applikationen konzipieren, um grundlegende Funktionalitäten zu automatisieren
• können konzipierte Applikationen selbständig implementieren
Voraussetzungen der Lehrveranstaltung
Die Studierenden verfügen über Vorwissen im Bereich Informationstechnologien im Umfang von 6 ECTS und kennen daher einfache Programmierkonzepte (z.B. Variablen, Verzweigungen, Schleifen), sowie typische Programmieransätze (z.B. funktionale Programmierung).
Lehrinhalte
Folgende Inhalte werden in der Lehrveranstaltung besprochen:
- Der Prozess des Software-Engineerings und des Projektmanagements für datenintensive Anwendungen
- Programmierparadigmen für den Einsatz im Bereich Data Science
- Effektive und effiziente Datenstrukturen für datenintensive Anwendungen
- Werkzeuge und Softwareökosysteme für die Entwicklung und den Test datenintensiver Softwaresysteme
- Der Prozess des Software-Engineerings und des Projektmanagements für datenintensive Anwendungen
- Programmierparadigmen für den Einsatz im Bereich Data Science
- Effektive und effiziente Datenstrukturen für datenintensive Anwendungen
- Werkzeuge und Softwareökosysteme für die Entwicklung und den Test datenintensiver Softwaresysteme
Empfohlene Fachliteratur
- Lutz, M (2025): Learning Python, O'Reilly (ISBN: 978-1098171308)
- Sommerville, I. (2015): Software Engineering, Global Edition (Ed. 10), Pearson Education, London (ISBN: 978-1292096131)
- Williams, L.; Zimmermann, T. (2016): Perspectives on Data Science for Software Engineering (Ed. 1), Morgan Kaufmann, Burlington (ISBN: 978-0128042069)
- Sommerville, I. (2015): Software Engineering, Global Edition (Ed. 10), Pearson Education, London (ISBN: 978-1292096131)
- Williams, L.; Zimmermann, T. (2016): Perspectives on Data Science for Software Engineering (Ed. 1), Morgan Kaufmann, Burlington (ISBN: 978-0128042069)
Bewertungsmethoden und -Kriterien
Klausur
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
6
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
Folgende Methoden kommen zum Einsatz:
- Vortrag mit Diskussion
- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop
- Vortrag mit Diskussion
- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
1